误差小于0.62%！摩尔线程S5000千卡集群具身大脑模型训练效果达国际水准

随着具身智能日益成为人工智能发展的核心战略方向，底层算力基础设施的自主可控性愈发关键。近日，摩尔线程携手北京智源人工智能研究院（以下简称“智源”），基于flagos-robo框架，依托mtt s5000千卡智能计算集群，顺利完成智源自主研发的具身大脑模型robo brain 2.5的端到端训练。

这是业内首次在国产算力集群上完整验证具身智能大模型训练的可行性与高性能表现，标志着我国AI基础软硬件体系在应对高复杂度、多模态具身任务方面取得实质性突破。通过面向异构芯片的统一AI系统软件栈FlagOS与MTT S5000硬件集群的深度协同，该联合方案不仅实现“可训练”，更达成“稳训练、快收敛”的目标，为具身智能技术由科研探索迈向规模化产业应用筑牢算力根基。

Robo Brain是智源面向真实物理环境构建的通用型具身智能中枢，采用统一的视觉—语言多模态架构，为机器人在环境感知、高层认知、逻辑推理与自主决策等核心能力层面提供底层支撑。Robo Brain 2.5在前代基础上进一步增强对动作序列价值评估及三维空间结构建模的理解与推理能力，显著提升下游任务的实际执行成功率。

FlagOS-Robo是在开源开放的多芯平台AI软件栈FlagOS之上构建的、专为具身智能定制的训推一体化框架。它支持从边缘终端到云端的全场景部署，兼容多种国产AI芯片，能够同步完成大脑模型（VLM）与小脑模型（VLA）的联合训练与协同推理。FlagOS-Robo贯通数据采集、模型训练、在线推理至真机评测的完整链路，覆盖数据加载、训练优化、部署推理及具身能力评估全流程，大幅降低开发门槛。其具备多芯适配能力，并集成统一实验管理、跨芯片自动调优等关键功能，支持一键式跨机器人本体部署。依托这一完备生态，FlagOS-Robo将持续为具身智能前沿研究与产业化落地提供坚实可靠的算力底座与系统级支撑，加速AI技术创新与商业转化。

多维评测验证，性能全面对标国际主流

为客观评估模型能力，智源团队在2D/3D空间理解与推理基准、时序动作价值评估榜单等多个权威具身智能评测集上开展系统性测试。结果表明，基于MTT S5000国产千卡集群训练所得的RoboBrain-2.5模型，在多项核心指标上与国际主流GPU平台训练结果高度一致。尤其在CrossPoint、Q-Spatial、VABench-V等典型任务中，模型表现更胜一筹。该全面对齐的评测结论印证：FlagOS-Robo框架与MTT S5000算力协同打造的“具身大脑”，已在语义理解、任务规划与物理执行等关键维度达到业界领先水平。

一款人工智能文案软件，能够创建几乎任何类型的文案。

Loss曲线高度重合，相对误差低于0.62%

在模型精度一致性方面，搭载MTT S5000的夸娥智算集群展现出卓越稳定性。训练过程中的Loss演化轨迹与国际主流GPU平台高度吻合，相对误差控制在0.62%以内。该低误差水平不仅验证了国产硬件训练结果的高保真度，也表明智源FlagOS-Robo框架已成功实现跨硬件平台的无损迁移——开发者无需修改代码即可保障模型精度不衰减，真正达成“一次开发、多芯运行、精度不变”的平滑迁移体验。

极致线性扩展能力，千卡加速比突破90%

大规模集群训练效能的核心在于扩展效率。实测数据显示，摩尔线程MTT S5000千卡智算集群展现出优异的并行扩展性能：当计算规模从64卡扩展至1024卡时，整体加速比稳定维持在90%以上。扩展曲线呈现近乎理想的线性增长趋势，意味着算力资源每翻一倍，训练速度亦接近同步翻倍，充分体现出国产集群在分布式训练调度、高速互联通信及大规模并行计算等方面的工程成熟度，已具备支撑万卡级超大规模训练的技术能力。

此次摩尔线程与智源研究院的深度协同，将有力推动具身智能技术从实验室原型加速走向工业现场与生活场景，形成一套可复用、可推广、可量产的“国产化算力训练范式”，为中国具身智能产业发展构建起安全可控、开放兼容、高效可靠的自主算力底座。